INTRODUCTION: Klebsiella species are well-recognized pathogens implicated in both healthcare-associated and community-acquired infections, a … sistant (PDR) profiles were determined using standard class-based definitions. In parallel, several supervised machine learning models were developed and evaluated, including Random Forest, Support Vector Machine (SVM), Gradient Boosting, Extreme Gradient Boosting (XGBoost), Light Gradient Boosting Machine (LightGBM), Extra Trees Classifier, Classifier Chains (multilabel cla …
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Pediatric acute lymphoblastic leukemia (ALL) through machine learning (ML) technique was analyzed to determine the significance of clinical and phenotypic variables as well as environmental conditions that can identify the underlying causes of child ALL. Fifty pediatric patients (n = 50) included who were diagnosed with acute lymphoblastic leukemia (ALL) according to the inclusion and exclusion criteria. Clinical variables comprised of the blood biochemistry (CBC, LFTs, RFTs) results, and distribution of type of ALL, i.e., T ALL or B ALL. Phenotypic data included the age, sex of the child, and
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVE: To assess the long-term outcome in patients with Idiopathic Inflammatory Myopathies (IIM), focusing on damage and activity disease indexes using artificial intelligence (AI).
BACKGROUND: IIM are a group of rare diseases characterized by involvement of different organs in addition to the musculoskeletal. Machine Learning analyses large amounts of information, using different algorithms, decision-making processes and self-learning neural networks.
METHODS: We evaluate the long-term outcome of 103 patients with IIM, diagnosed on 2017 EULAR/ACR criteria. We considered different parame
СтатьяОбзорПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Over the past few years, the processing of motor imagery (MI) electroencephalography (EEG) signals has been attracted for developing brain-computer interface (BCI) applications, since feature extraction and classification of these signals are extremely difficult due to the inherent complexity and tendency to artifact properties of them. The BCI systems can provide a direct interaction pathway/channel between the brain and a peripheral device, hence the MI EEG-based BCI systems seem crucial to control external devices for patients suffering from motor disabilities. The current study presents a
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Tumor-Specific Peptides (TSPs) and Tumor-associated Overexpressed Proteins (TOPs) are promising biomarkers for cancer diagnosis and monitoring. TSPs arise from somatic mutations unique to tumor cells. Their detection in plasma through mass spectrometry-based proteomics provides a non-invasive alternative to traditional biopsy-based diagnostics. We developed a machine learning workflow to classify tumor versus tumor-free samples using synthetic proteomic features.
METHODS: A synthetic (in silico) dataset was generated, parameterized using curated proteogenomic resources (CAPD, CPTA
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Violence related injuries and deaths mostly caused by firearms are a major problem throughout the world. Understanding the factors that cont … 200, 250, 300, and 350 m/s. Once the FE results for each case are obtained, they are processed with supervised machine learning algorithms to classify the wound and inlet velocity correspondence. The results demonstrate that they can be diagnosed with a percent accuracy of 97.3, 97.5, and 98.3 for the decision tree (DT), k-nearest neighbors (kNN) and support vector machine ( …
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Temporomandibular disorders (TMDs) encompass a heterogeneous group of musculoskeletal conditions involving the temporomandibular joint (TMJ), masticatory muscles, and associated structures. Diagnosis remains challenging due to overlapping symptoms, multifactorial etiology, and variability across clinical settings. To address these limitations, we developed the Gated Attention Tabular Transformer (GATT), a novel deep-learning model that uses masked self-supervised learning and gated attention mechanisms, to classify TMD subgroups based on the diagnostic criteria for TMD (DC/TMD). A total of 4,6
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Supervised machine learning is increasingly being used to estimate clinical predictive models. Several supervised machine learning models involve hyper-parameters, whose values must be judiciously specified to ensure adequate predictive performance.
OBJECTIVE: To compare several (nine) hyper-parameter optimization (HPO) methods, for tuning the hyper-parameters of an extreme gradient boosting model, with application to predicting high-need high-cost health care users.
METHODS: Extreme gradient boosting models were estimated using a randomly sampled training dataset. Models were se…
СтатьяСравнительное исследованиеПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Meningioma is among the most common primary tumors of the brain. The firmness of Meningioma is a critical factor that influences operative strategy and patient counseling. Conventional methods to predict the tumor firmness rely on the correlation between the consistency of Meningioma and their preoperative MRI findings such as the signal intensity ratio between the tumor and the normal grey matter of the brain. Machine learning techniques have not been investigated yet to address the Meningioma firmness detection problem. The main purpose of this research is to couple supervised learning algor
СтатьяПоддержка исследования: вне правительства СШАПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Health recommender systems (HRSs) enhance prognostication by leveraging clinical information. Existing HRSs often fail to capture the intrin … rm memory network to learn evolving diagnostic patterns from longitudinal visit histories. Standard supervised machine learning, including logistic regression, random forest, and support vector machines, is employed as comparative baselines. Experiments on the MIMIC-III database demonstrate that the proposed static and temporal models effectively reduce false positives and n …
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND AND OBJECTIVE: Accurate and timely diagnosis of Acute Appendicitis remains a major challenge in emergency medicine, largely because of its overlapping symptoms and heterogeneous clinical presentations. This study introduces the Robust and Interpretable Simulation-Analysis (RISA) framework, a dual-phase methodology designed to evaluate diagnostic classifiers for robustness, generalizability, and interpretability.
METHODS: Six supervised learning algorithms (Fisher Discriminant Analysis, Linear Discriminant Analysis, Quadratic Discriminant Analysis, Logistic Regression, Support Vecto
СтатьяВалидационное исследованиеПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Machine learning techniques can identify complex relationships in large healthcare datasets and build prediction models that bet … imary aTSA patients and 2887 primary rTSA patients were analyzed using three commercially available supervised machine learning techniques: linear regression, XGBoost, and Wide and Deep, to train and test predictive models for the ASES, UCLA, Constant, global shoulder function, and VAS pain scores, as well as active abduction, forward flexion, and external rotation. Our prim …
СтатьяМногоцентровое исследованиеПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Gene regulatory networks (GRNs) model causal linkages that control cell fate decisions and differentiation transitions. Prioritizing regulatory subnetworks underlying cell state differences is of critical importance, but current methods including those reliant on topological metrics introduce circularity as the metrics prioritizing TFs are computed from the same networks whose assumptions they inherit. Separately, interpretable machine learning methods can identify latent factors (LFs) that discriminate cellular states with formal statistical guarantees but do not model regulatory linkages. He
СтатьяПрепринтПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Type 2 diabetes (T2D), inflammatory bowel disease (IBD), and colorectal cancer (CRC) share overlapping metabolic alterations that hinder early, disease-specific diagnosis. Using publicly available serum metabolomics data sets (T2D: ST003390; IBD: ST003312; CRC: ST000284), a standardized workflow combining random forest-based imputation, log transformation, Pareto scaling, and ComBat batch correction was implemented prior to supervised machine learning. Eight algorithms (logistic regression, linear and RBF SVM, random forest, XGBoost, k-nearest neighbors, multilayer perceptron, and partial leas…
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
INTRODUCTION: High-grade serous carcinoma (HGSC) is the most common and aggressive subtype of ovarian cancer. Although tumour stage and complete cytoreduction are key prognostic factors, the tumour immune microenvironment also influences prognosis, with CD8+ T lymphocytes representing the main effector component.
OBJECTIVE: To evaluate the clinical relevance of quantifying intraepithelial (ieTILs) and stromal (sTILs) CD8+ tumour-infiltrating lymphocytes using digital image analysis.
MATERIAL AND METHODS: A retrospective study was conducted on 74 patients with stage III-IV HGSC treated with c
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Physical restraint-including being held, carried, and restrained in devices-is a common feature of infants' everyday lives. However, previous survey-based and video-based methods cannot simultaneously provide continuous, full-day accounts of infants' restrained experiences. This study developed and validated a machine learning model to quantify infants' restrained time moment-to-moment across the full day in the home environment using wearable sensor data. We used a dataset that includes 146 home-visit sessions from 66 infants, with 30 younger infants aged 4-7 months, and 36 older infants aged
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Fairness in clinical machine-learning (ML) remains a critical challenge, particularly in neurodegenerative disease where demographic factors may confound disease-related patterns. We developed and evaluated bias-aware ML models for Alzheimer's disease (AD) classification using data from the Alzheimer's Disease Neuroimaging Initiative (ADNI), comprising 757 individuals with mild cognitive impairment (MCI) and AD. Four supervised learning algorithms (logistic regression, support vector machine, random forest, and XGBoost) were trained using demographic, genetic, neuropsychological, and MRI-deriv
СтатьяПрепринтПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Ensuring the safety of food contact materials, particularly baby bottles, is crucial for infant health. In this study, a comprehensive analytical strategy integrating headspace gas chromatography-ion mobility spectrometry (HS-GC-IMS) with machine learning-based chemometrics was developed to profile volatile organic compounds (VOCs) and achieve discrimination and traceability of materials and brands among nine baby bottles. A total of 87 VOCs were identified, with aldehydes, esters, alcohols, ketones being the most diverse groups, and aldehydes exhibiting the highest concentrations. Visual repr
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Psychological, behavioral, and physical factors jointly contribute to heterogeneity in health-related outcomes, yet existing instruments oft … e distinct subgroups characterized by different psychological, behavioral, and physical patterns. A supervised machine learning model was then trained to classify profile membership, and SHAP-based feature selection identified a minimal subset of informative items. This process yielded an eight-item instrument, the Psychosomatic Susceptibility Profile (PSSP), consisting of s …
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Background: The NeoChord procedure is a trans-ventricular, echo-guided, beating-heart mitral valve (MV) repair technique used to treat degenerative mitral regurgitation (MR) caused by leaflet prolapse and/or flail. Objectives: This study aimed to develop a machine learning (ML) scoring system using pre-procedural clinical and echocardiographic variables to predict the success of the NeoChord procedure-defined as less than moderate MR at follow-up. Methods: A total of 80 patients were included. Preoperative MV anatomical parameters were assessed using three-dimensional (3D) transesophageal echo
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
MedElevator
Войти в исследования